{"id":902,"date":"2026-07-30T12:23:17","date_gmt":"2026-07-30T12:23:17","guid":{"rendered":"https:\/\/matforge.org\/?p=902","raw":"https:\/\/matforge.org\/?p=902"},"modified":"2026-07-30T12:23:17","modified_gmt":"2026-07-30T12:23:17","slug":"adaptive-time-stepping-pde-solvers","status":"publish","type":"post","link":"https:\/\/matforge.org\/de\/adaptive-time-stepping-pde-solvers\/","title":{"rendered":"Adaptives Zeitschritt f\u00fcr PDE-Solver: Fehlersch\u00e4tzung und CFL","raw":"Adaptives Zeitschritt f\u00fcr PDE-Solver: Fehlersch\u00e4tzung und CFL"},"content":{"rendered":"Reading Time: <\/span> 11<\/span> minutes<\/span><\/span>
\n

Das adaptive Zeitschritt \u00e4ndert die Zeitschrittgr\u00f6\u00dfe w\u00e4hrend einer Simulation. Der Solver macht kleinere Schritte, wenn sich die L\u00f6sung schnell \u00e4ndert, und gr\u00f6\u00dfere Schritte, wenn die Evolution glatt wird.<\/p>\n

Bei einer Festschrittberechnung muss w\u00e4hrend der gesamten Simulation ein Wert von \u0394t<\/code> verwendet werden. Dieser Wert wird oft nach dem anspruchsvollsten Ereignis, der vor\u00fcbergehenden oder der Stabilit\u00e4tsbeschr\u00e4nkung ausgew\u00e4hlt. Der gleiche kleine Schritt wird dann in langen Intervallen verwendet, wo es unn\u00f6tig ist.<\/p>\n

Eine adaptive Methode sch\u00e4tzt den Fehler jedes vorgeschlagenen Schritts. Es akzeptiert den Schritt, wenn der normalisierte Fehler unter der angeforderten Toleranz liegt, und lehnt ihn ab, wenn der Fehler zu gro\u00df ist. Ein Controller w\u00e4hlt dann eine neue Schrittgr\u00f6\u00dfe aus.<\/p>\n

Die Fehlerkontrolle ist nur ein Teil des Prozesses. Explizite Methoden m\u00fcssen weiterhin die CFL- und Diffusionsgrenzen einhalten. Implizite Methoden erfordern m\u00f6glicherweise Einschr\u00e4nkungen f\u00fcr Genauigkeit, nichtlineare Konvergenz, Wellenaufl\u00f6sung, Ereignisse oder physikalische Einschr\u00e4nkungen. Ein zuverl\u00e4ssiger Solver kombiniert diese Anforderungen, anstatt eine Fehlersch\u00e4tzung zu erm\u00f6glichen, alles zu steuern.<\/p>\n

Was ist eine adaptive Zeitschritt?<\/h2>\n

Nach der r\u00e4umlichen Diskretisierung wird eine zeitabh\u00e4ngige PDE \u00fcblicherweise zu einem System gew\u00f6hnlicher Differentialgleichungen:<\/p>\n

du\/dt = F(t, u)<\/code><\/pre>\n
Eine numerische Methode f\u00fchrt die L\u00f6sung von t\u207f<\/code> zu:<\/p>\n
t\u207f\u207a\u00b9 = t\u207f + \u0394t<\/code><\/pre>\n
Ein adaptiver Solver folgt einem Akzept- oder Ablehnungszyklus:<\/p>\n
    \n
  1. Schlagen Sie einen Zeitschritt vor.<\/li>\n
  2. Berechnen Sie eine Testl\u00f6sung.<\/li>\n
  3. Sch\u00e4tzen Sie den lokalen zeitlichen Fehler.<\/li>\n
  4. Normalisieren Sie den Fehler mit absoluten und relativen Toleranzen.<\/li>\n
  5. Akzeptieren oder lehnen Sie den Testschritt ab.<\/li>\n
  6. W\u00e4hlen Sie die n\u00e4chste Schrittgr\u00f6\u00dfe aus.<\/li>\n<\/ol>\n
    Abgelehnte Schritte verschieben die Simulationszeit nicht. Der Solver stellt den zuvor akzeptierten Zustand wieder her und wiederholt die Berechnung mit einem kleineren Wert von \u0394t<\/code>.<\/p>\n
    Lokaler Fehler und globaler Fehler<\/h2>\n
    Lokaler Fehler ist der Fehler, der durch einen Zeitschritt verursacht wird, wenn der Schritt von der genauen L\u00f6sung aus beginnt.<\/p>\n
    Globaler Fehler ist der akkumulierte Unterschied zwischen den numerischen und exakten L\u00f6sungen nach vielen Schritten.<\/p>\n
    F\u00fcr eine Bestellmethode p<\/code>:<\/p>\n
    Local truncation error = O(\u0394t^(p+1))\n\nGlobal error = O(\u0394t^p)<\/code><\/pre>\n
    Adaptive Methoden sch\u00e4tzen normalerweise den lokalen Fehler. Das Einhalten jeder lokalen Sch\u00e4tzung unterhalb einer Toleranz bietet keine strenge universelle Grenze f\u00fcr globale Fehler, bietet jedoch einen effektiven praktischen Kontrollmechanismus.<\/p>\n
    Absolute und relative Toleranzen<\/h2>\n
    Ein Rohfehlerwert hat ohne die Skala jeder L\u00f6sungskomponente wenig Bedeutung. Adaptive L\u00f6ser berechnen daher einen normalisierten Fehler.<\/p>\n
    Eine gemeinsame Komponentenskala ist:<\/p>\n
    scale\u1d62 =\natol\u1d62\n+\nrtol \u00d7 max(\n    |u\u1d62\u207f|,\n    |u\u1d62(trial)|\n)<\/code><\/pre>\n
    Der normalisierte gewichtete quadratische mittlere quadratische Fehler ist:<\/p>\n
    E =\nsqrt(\n    1 \/ m\n    \u00d7 \u03a3 [\n        error\u1d62 \/ scale\u1d62\n      ]\u00b2\n)<\/code><\/pre>\n
    Der Schritt wird normalerweise akzeptiert, wenn:<\/p>\n
    E \u2264 1<\/code><\/pre>\n
    Die absolute Toleranz steuert Komponenten nahe Null. Die relative Toleranz steuert Komponenten, deren Gr\u00f6\u00dfen im Vergleich zu atol<\/code> gro\u00df sind.<\/p>\n
    Unterschiedliche Felder k\u00f6nnen unterschiedliche absolute Toleranzen erfordern. Eine in Hunderten von Kelvin gemessene Temperatur sollte nicht unbedingt die gleiche absolute Toleranz wie eine Konzentration in der N\u00e4he von 10\u207b\u2079<\/code>  verwenden.<\/p>\n
    Wie der n\u00e4chste Schritt ausgew\u00e4hlt wird<\/h2>\n
    Wenn sich der gesch\u00e4tzte lokale Fehler wie folgt verh\u00e4lt:<\/p>\n
    error \u221d \u0394t^(p+1)<\/code><\/pre>\n
    Ein Basisregler kann verwenden:<\/p>\n
    \u0394t(new) =\nsafety\n\u00d7 \u0394t(old)\n\u00d7 E^(-1\/(p+1))<\/code><\/pre>\n
    Der Sicherheitsfaktor ist kleiner als eins. Es verringert die Wahrscheinlichkeit, dass der n\u00e4chste Schritt direkt an der Ablehnungsgrenze sitzt.<\/p>\n
    Produktionsimplementierungen begrenzen auch Schrittgr\u00f6\u00dfen\u00e4nderungen:<\/p>\n
    growth_min\n\u2264\n\u0394t(new) \/ \u0394t(old)\n\u2264\ngrowth_max<\/code><\/pre>\n
    Der richtige Exponent h\u00e4ngt von der Reihenfolge des Fehlersch\u00e4tzers und der Controller-Konvention ab. Es sollte nicht blind zwischen nicht verwandten Methoden kopiert werden.<\/p>\n
    I, PI und PID-Regler<\/h2>\n
    Ein einfacher integrierter Controller verwendet nur den aktuellen normalisierten Fehler. Dies kann dazu f\u00fchren, dass sich die Zeitschritt-Historie zwischen aggressiven Erh\u00f6hungen und Ablehnungen abwechselt.<\/p>\n
    PI- und PID-Regler verwenden auch Fehler aus fr\u00fcheren akzeptierten Schritten. Dies f\u00fchrt zu glatteren Schrittgr\u00f6\u00dfen\u00e4nderungen und kann die Ablehnungsraten verringern.<\/p>\n
    Ein vereinfachter PI-Regler hat die Form:<\/p>\n
    \u0394t(n+1) =\nsafety\n\u00d7 \u0394t(n)\n\u00d7 E(n)^(-k\u2081)\n\u00d7 E(n-1)^(k\u2082)<\/code><\/pre>\n
    Die Koeffizienten h\u00e4ngen von der Methodenreihenfolge und dem Controller-Design ab. Eine ausgefeilte Steuerung ist n\u00fctzlich, kann jedoch nicht einen ungenauen Fehlersch\u00e4tzer oder einen ungeeigneten Zeitintegrator reparieren.<\/p>\n
    Eingebettete Runge-Kutta-Paare<\/h2>\n
    Ein eingebettetes Runge-Kutta-Paar berechnet zwei N\u00e4herungen aus demselben Satz von Zwischenstufen.<\/p>\n
    Die beiden Formeln haben unterschiedliche Reihenfolgen:<\/p>\n
    u(high) =\nu\u207f\n+\n\u0394t \u03a3 b\u1d62 k\u1d62\n\nu(low) =\nu\u207f\n+\n\u0394t \u03a3 b\u0302\u1d62 k\u1d62<\/code><\/pre>\n
    Der Unterschied liefert eine Fehlersch\u00e4tzung:<\/p>\n
    e =\nu(high)\n-\nu(low)<\/code><\/pre>\n
    Da beide Formeln ihre Stufenbewertungen teilen, ist der Sch\u00e4tzer viel billiger als das Abschlie\u00dfen von zwei unabh\u00e4ngigen Integrationen.<\/p>\n
    Eingebettete explizite Runge-Kutta-Methoden eignen sich am besten f\u00fcr nicht steife Systeme. Wenn die Steifigkeit die Schrittweite steuert, erh\u00f6ht oder verringert sich \u0394t<\/code><\/p>\n
    Dormand\u2013Prinz 5(4)<\/h2>\n
    Dormand-Prince 5 (4) ist ein siebenstufiges eingebettetes Paar. Es produziert eine L\u00f6sung f\u00fcnfter Ordnung und eine Fehlersch\u00e4tzung vierter Ordnung.<\/p>\n
    Das Paar verwendet die lokale Extrapolation: Die Approximation f\u00fcnfter Ordnung wird zur akzeptierten L\u00f6sung, w\u00e4hrend die Formel niedrigerer Ordnung den Schritt steuert.<\/p>\n
    Es hat auch eine Fsal-Eigenschaft im normalen Gebrauch. Die letzte abgeleitete Auswertung eines akzeptierten Schritts kann zur ersten Auswertung des n\u00e4chsten Schritts werden, wodurch die Anzahl neuer Funktionsauswertungen nach dem Start reduziert wird.<\/p>\n
    Dormand-Prince wird von Scipys RK45<\/code>  und Matlabs ode45<\/code>  verwendet. Es ist eine starke Allzweckentscheidung f\u00fcr reibungslose, nicht steife Anfangswertprobleme.<\/p>\n
    tsit5<\/h2>\n
    TSIT5 ist die Tsitouras 5 (4) eingebettete Runge-Kutta-Methode. Es wird im SCIML-\u00d6kosystem h\u00e4ufig als Standardmethode f\u00fcr nicht steife Probleme bei normalen Toleranzen verwendet.<\/p>\n
    Das Verfahren soll ein g\u00fcnstiges Gleichgewicht zwischen Fehlersch\u00e4tzungsqualit\u00e4t, Stufenkosten und praktischer Effizienz schaffen.<\/p>\n
    Es bleibt eine explizite Methode. Wenn eine halbdiskrete PDE aufgrund von Diffusionen, Reaktionen oder stark getrennten Zeitskalen steif ist, kann eine implizite, Rosenbrock-, BDF- oder IMEX-Methode effizienter sein.<\/p>\n
    Bogacki \u2013 Shampin 3(2)<\/h2>\n
    Bogacki-Shampin 3 (2) ist ein vierstufiges eingebettetes Paar. Es bietet eine akzeptierte L\u00f6sung dritter Ordnung mit einem Fehlersch\u00e4tzer zweiter Ordnung.<\/p>\n
    Es ist als RK23<\/code>  in Scipy implementiert und liegt unter ode23<\/code>  von MATLAB.<\/p>\n
    Das Paar kann n\u00fctzlich sein, wenn eine m\u00e4\u00dfige Genauigkeit ausreicht oder wenn Funktionsbewertungen kosteng\u00fcnstig sind. Die niedrigere Ordnung erfordert m\u00f6glicherweise mehr akzeptierte Schritte als eine Methode f\u00fcnfter Ordnung, wenn strenge Toleranzen angefordert werden.<\/p>\n
    Schritt-Doppel<\/h2>\n
    Step-Double-Sch\u00e4tze zeitlichen Fehler durch Vergleichen derselben numerischen Methode mit zwei Aufl\u00f6sungen.<\/p>\n
    Das Verfahren berechnet:<\/p>\n
      \n
    1. Ein voller L\u00e4ngenschritt \u0394t<\/code>.<\/li>\n
    2. Zwei Halbschritte \u0394t\/2<\/code>.<\/li>\n
    3. Der Unterschied zwischen den beiden Ergebnissen.<\/li>\n<\/ol>\n
      F\u00fcr ein Verfahren der Ordnung p<\/code> ist eine Sch\u00e4tzung des Fehlers im verfeinerten zwei-Halb-Schritt-Ergebnis:<\/p>\n
      e(refined) \u2248\n[\n    u(half)\n    -\n    u(full)\n]\n\/\n(\n    2^p - 1\n)<\/code><\/pre>\n
      Die akzeptierte L\u00f6sung sollte normalerweise das Ergebnis der beiden Halbschritte sein, da sie genauer ist.<\/p>\n
      Das Step-Doubling erfordert drei Anwendungen der zugrunde liegenden Methode: einen vollen Schritt und zwei Halbschritte. Eine implizite Implementierung erfordert daher m\u00f6glicherweise drei nichtlineare oder lineare L\u00f6sungsvorg\u00e4nge, es sei denn, einige Einrichtungsarbeiten k\u00f6nnen wiederverwendet werden.<\/p>\n
      Rest- und Defektsch\u00e4tzung<\/h2>\n
      Restbasierte Methoden bewerten, wie genau eine rekonstruierte numerische Trajektorie die Differentialgleichung zwischen akzeptierten Punkten erf\u00fcllt.<\/p>\n
      Eine kontinuierliche Rekonstruktion \u0169(t)<\/code> hat einen Defekt:<\/p>\n
      d(t) =\nd\u0169\/dt\n-\nF(t, \u0169)<\/code><\/pre>\n
      Der Defekt kann eine Fehlersch\u00e4tzung unterst\u00fctzen, wenn er mit Stabilit\u00e4tsinformationen oder einer geeigneten Norm kombiniert wird.<\/p>\n
      Der algebraische Rest einer impliziten L\u00f6sung ist nicht automatisch eine zeitliche Fehlersch\u00e4tzung. Die Newton-Methode kann die diskrete Gleichung fast auf Null reduzieren, selbst wenn der Zeitschritt zu gro\u00df ist, um die physikalische L\u00f6sung genau darzustellen.<\/p>\n
      Algebraische Konvergenz und zeitliche Verk\u00fcrzungsfehler erfordern daher separate Kontrollen.<\/p>\n
      Adaptive BDF-Methoden<\/h2>\n
      R\u00fcckw\u00e4rtsdifferenzierungsformeln sind implizite mehrstufige Methoden, die f\u00fcr steife Systeme verwendet werden. Implementierungen mit variabler Ordnung wechseln normalerweise zwischen den Bestellungen eins bis f\u00fcnf.<\/p>\n
      Ein BDF-Solver speichert Informationen aus fr\u00fcheren akzeptierten Zust\u00e4nden. Es konstruiert einen Pr\u00e4diktor f\u00fcr den neuen Zustand, l\u00f6st die implizite Gleichung und sch\u00e4tzt den lokalen K\u00fcrzungsfehler unter Verwendung geteilter Unterschiede oder einer nordsieck-\u00e4hnlichen Historiendarstellung.<\/p>\n
      Der L\u00f6ser kann sich \u00e4ndern:<\/p>\n